효과적인 의사소통 훈련은 간호사가 고품질 환자 돌봄을 제공할 수 있도록 준비하는 데 필수적이다. 표준화 환자(standardized patient, SP) 시뮬레이션은 가치 있는 체험 기반 학습을 제공하지만, 대체로 비용이 많이 들고 유연성이 낮다. 가상 환자(virtual patient, VP) 시스템은 확장 가능한 대안이지만, 대부분은 수련생의 다양한 의사소통 역량에 적응하지 못한다. 특히 수련생이 비효과적으로 반응할 때 VP가 적대감을 높이거나 협조하지 않는 태도로 전환해야 하지만, 이러한 수준의 적응형 상호작용은 거의 지원되지 않고 있다. 이러한 공백을 해소하기 위해, 우리는 대규모 언어 모델(large language models, LLM)을 활용하여 수련생 입력에 기반해 VP의 행동을 동적으로 적응시키는 VP 대화 생성 프레임워크 Adaptive-VP를 제안한다. 이 프레임워크는 임상적으로 타당하면서도 유연한 VP 시나리오를 구성하기 위한 파이프라인과, 학습자 안전을 보장하면서 수련생의 의사소통을 평가하고 실시간으로 VP의 응답을 조정하는 모듈형 시스템을 포함한다. 우리는 어려운 환자 대화를 시뮬레이션하여 Adaptive-VP를 검증하였다. 실제 임상에서 근무하는 간호사들의 코퍼스를 이용한 자동 평가는, 우리의 의사소통 기술 평가 메커니즘이 현실 세계의 숙련 수준을 반영함을 보여주었다. 또한 전문 간호사들은 Adaptive-VP가 기존 접근 방식보다 더 자연스럽고 현실적인 상호작용을 산출함을 확인하였으며, 간호 의사소통 훈련을 위한 확장 가능하고 효과적인 도구로서의 잠재력을 입증하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.